典型文献
基于TCN-SE神经网络模型的智能连续血压估计方法
文献摘要：
血压是反映人体心血管系统状况重要信息的四个生命体征之一.随着科技的进步,智能化血压测量逐渐融入人类的日常生活当中.针对当下血压测量方法复杂,测量精度不高等问题,提出了一种基于嵌入SE注意力机制的时域卷积网络(TCN-SE)模型.该网络有效解决了现有方法中模型过拟合的问题,且进一步加强了模型对于不同通道信息的关注度.在保证信息完整的前提下,该模型可有效增大感受野.在重症监护中的多参数智能监测(MIMIC-II)数据集进行实验测试,通过计算均方误差和平均绝对误差等指标,得出收缩压的误差为(5.09±7.04)mmHg,舒张压的误差为(2.96±4.23)mmHg,表明所提出的方法相比于现有方法误差损失更低,在血压测量领域具有广阔的应用前景.
文献关键词：
血压;深度学习;时域卷积网络;SE注意力机制;光电容积描记技术
中图分类号：
作者姓名：
熊嘉豪;姜晨希;陈永毅;张丹;尹武涛
作者机构：
浙江工业大学信息工程学院,浙江 杭州310023;无锡博智芯科技有限公司,江苏 无锡214029
文献出处：
引用格式：
[1]熊嘉豪;姜晨希;陈永毅;张丹;尹武涛-.基于TCN-SE神经网络模型的智能连续血压估计方法)[J].传感技术学报,2022(11):1499-1505
A类：
光电容积描记技术
B类：
TCN,SE,估计方法,心血管系统,重要信息,生命体征,血压测量,下血,测量精度,注意力机制,时域卷积网络,过拟合,感受野,重症监护,多参数,数智,智能监测,MIMIC,II,实验测试,均方误差,平均绝对误差,收缩压,mmHg,舒张压
AB值：
0.3069
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
